طبقه‌بندی پوشش زمین بویژه در مناطق شهری یکی از مهمترین کاربردهای تصاویر پلاریمتری راداری محسوب می‌شود. به منظور استفاده از پتانسیل بالای اطلاعاتی این تصاویر ویژگی‌های متعددی را می‌توان از آن‌ها استخراج کرد، بنابراین انتخاب ویژگی نقش مهمی در طبقه‌بندی این تصاویر ایفا می‌کند. در این تحقیق، سه گام اساسی در بهبود طبقه‌بندی اتخاذ شده است: 1) استخراج ویژگی در قالب سه گروه ویژگی‌های داده اصلی، ویژگی‌های تجزیه هدف، و تفکیک‌کننده‌های SAR؛ 2) انتخاب حداقل تعداد ویژگی‌ها برای رسیدن به دقت طبقه‌بندی بالا؛ و 3) طبقه‌بندی با استفاده از ویژگی‌های انتخابی بهینه. در روش‌های پیشنهادی الگوریتم بهینه‌سازی چندهدفه NSGA-II به عنوان ابزار جستجو و دو طبقه‌بندی‌کننده ماشین بردار پشتیبان (SVM) و سیستم استنتاج عصبی- فازی تطبیقی (ANFIS) در مرحله ارزیابی استفاده شده است. نتایج پیاده‌سازی بر روی تصویر رادارست2 منطقه سانفرانسیسکو حاکی از کارایی برتر ا‌لگوریتم‌های پیشنهادی در بهبود طبقه‌بندی نسبت به سایر روش‌های مورد استفاده در این تحقیق می‌باشد.
صالحی, مریم, مقصودی, یاسر, & صاحبی, محمودرضا. (1392). بهبود طبقه‌بندی منطقه شهری با استفاده از داده پلاریمتری راداری و روش‌های بهینه‌سازی چندهدفه. رادار, 1(2), 11-.
MLA
مریم صالحی; یاسر مقصودی; محمودرضا صاحبی. "بهبود طبقه‌بندی منطقه شهری با استفاده از داده پلاریمتری راداری و روش‌های بهینه‌سازی چندهدفه", رادار, 1, 2, 1392, 11-.
HARVARD
صالحی, مریم, مقصودی, یاسر, صاحبی, محمودرضا. (1392). 'بهبود طبقه‌بندی منطقه شهری با استفاده از داده پلاریمتری راداری و روش‌های بهینه‌سازی چندهدفه', رادار, 1(2), pp. 11-.
VANCOUVER
صالحی, مریم, مقصودی, یاسر, صاحبی, محمودرضا. بهبود طبقه‌بندی منطقه شهری با استفاده از داده پلاریمتری راداری و روش‌های بهینه‌سازی چندهدفه. رادار, 1392; 1(2): 11-.
)